如何将多幅同尺寸图像中的Blob合并至同尺寸最终图像

工具选择 #

OpenCV是更合适的选择：

• 你已基于OpenCV编写了初始代码，延续使用无需额外学习成本
• OpenCV的矩阵操作与图像处理API，能高效完成Blob提取、多图像像素融合这类任务
• 针对批量图像的阈值分割与像素级操作，OpenCV的性能优于Pillow

实现步骤 #

1. 基于输入图像尺寸创建白色空白背景图
2. 遍历所有输入图像，依次完成灰度化、二值化（提取黑色Blob区域）
3. 将每幅图像中的Blob区域，按原位置叠加到空白背景图上
4. 保存最终融合图像

完整可运行代码 #

import cv2
import numpy as np

# 输入图像路径列表（支持任意数量图像）
image_paths = ["im1.jpg", "im2.jpg"]

# 获取输入图像尺寸，初始化白色背景图
sample_img = cv2.imread(image_paths[0], cv2.IMREAD_GRAYSCALE)
height, width = sample_img.shape
final_image = np.full((height, width), 255, dtype=np.uint8)

for img_path in image_paths:
    # 灰度化处理
    gray = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)
    # 二值化：自动阈值分割，Blob为黑色（0），背景为白色（255）
    _, binary = cv2.threshold(gray, 128, 255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)
    # 叠加Blob到最终图像：将对应位置设为黑色
    final_image[binary == 0] = 0

# 保存结果
cv2.imwrite("merged_blobs.png", final_image)

代码细节说明 #

• 空白图初始化：用np.full生成全白图像，确保与输入图像尺寸完全一致
• 二值化优化：使用THRESH_BINARY_INV反转阈值结果，让原图像中的黑色Blob直接对应像素值0，简化后续叠加逻辑
• 批量兼容：通过列表管理图像路径，新增图像只需添加路径到列表即可
• 重叠处理：若Blob位置重叠，后续图像的Blob会覆盖之前的（符合需求中“重叠无需处理”的要求）

示例效果 #

输入图像 #

• 图像1：
• 图像2：

最终输出 #

内容的提问来源于stack exchange，提问作者Windy71